Obecnie żyjemy w ogromnym stopniu zanurzeni w realiach technologicznej rewolucji, w których sztuczna inteligencja stanowi jeden z kluczowych elementów przyczyniających się do tworzenia przyszłego kształtu technologii. W tym względzie świat kina już zbudował wokół tej rzeczywistości swoistą mitologię i stworzył oczekiwania odbiegające od obecnego stanu dostępnych algorytmów. Ta ewolucja technologiczna trwa nieprzerwanie od czasów II wojny światowej, kiedy brytyjski matematyk, Alan Turing, położył podwaliny pod sektor współczesnej informatyki. Ponadto, w artykule pt. „Computing Machinery and Intelligence” zaproponował tak zwany test Turinga, sugerujący metodę na rozpoznanie, czy maszyna jest inteligentna sama w sobie. Od tego czasu postęp i kolejne jego etapy następowały po sobie w bardzo szybkim tempie, aż do momentu wkroczenia w nowe tysiąclecie, w którym połączenie systemów przetwarzania w chmurze (cloud computing) z big data i ogromnymi postępami w zakresie machine learning (uczenia maszynowego - ML) umożliwiło wykładniczy rozwój i zwiększenie stopnia zastosowania technologii naszej przyszłości.

Czym jest Sztuczna Inteligencja? Zasadniczo wiemy, w jaki sposób sztuczna inteligencja odnosi się do tych procedur lub zachowań maszyn lub operacji komputerowych, które symulują ludzką inteligencję. Firma GMV pracuje nad przekuciem tej eterycznej koncepcji w konkretne projekty i produkty, takie jak projekt SAFE-Term, finansowany przez Europejską Agencję Obrony (EDA) i realizowany przez GMV we współpracy z AERTEC.

SAFE-Term dąży do umożliwienia bezpiecznego zakończenia lotu bezzałogowym systemom powietrznym (Unmanned Aircraft System - UAS), od momentu utraty przez pilota kontroli nad statkiem powietrznym i wystąpienia sytuacji awaryjnej uniemożliwiającej pomyślne wykonanie manewrów na skutek nieprzewidzianych okoliczności i dotarcie do wcześniej określonej Strefy Zakończenia Lotu (FTA). W takim wypadku UAS będzie musiał samodzielnie zdecydować, który z otwierających się przed nim obszarów najlepiej sprzyja ustanowieniu Alternatywnego Obszaru Zakończenia Lotu (AFTA). W ramach wspomnianego projektu opracowywany jest system klasyfikacji awaryjnej służący ku temu, by móc poradzić sobie z taką ewentualnością w przypadku bezzałogowych systemów powietrznych typu MALE (Medium Altitude and Great Autonomy - średniej wysokości i długotrwałości lotu). System ten umożliwia zapewnienie wyższego poziomu bezpieczeństwa w ramach prowadzonych przez te systemy operacji.

Projekt ten rozpoczął się pod koniec 2019 r. i przez cały ten czas zespół ciężko pracował nad opracowaniem systemu zdolnego do analizowania środowiska za pomocą wizji komputerowej i głębokich sieci neuronowych, wykrywając najbezpieczniejsze obszary do awaryjnego lądowania.

Procedura realizacji projektu podzielona jest na trzy fazy, z których druga dobiegła już końca, z doskonałymi rezultatami. Zespołowi udało się bowiem zaprojektować i przetestować system umożliwiający instalację na pokładzie i oferujący możliwość certyfikacji, zgodnie z wytycznymi omawianymi w różnych zespołach roboczych. SAFE-Term nie tylko ma być kolejnym przyszłościowym bezzałogowym systemem powietrznym, ale także stworzyć podwaliny pod rozwój i wdrożenie systemów opartych na sztucznej inteligencji w sektorze lotnictwa.

Spośród najistotniejszych wyników drugiej fazy projektu na szczególną uwagę zasługuje zaprojektowanie i implementacja rzeczywistego systemu awioniki wdrożonego na sprzęcie spełniającym wszystkie wymagania, aby można go było zainstalować na pokładzie statku powietrznego. Jest on w stanie przeprowadzić w realistyczny sposób izolację komponentów IA/ML.

Ponadto zaprojektowano i wdrożono realistyczne syntetyczne środowisko symulacji poprzez przeprowadzenie testów sprzętowych w pętli (HITL). Dzięki temu SAFE-Term może działać tak, jak gdyby znajdował się na pokładzie statku powietrznego. Jedyna różnica w stosunku do rzeczywistego sposobu funkcjonowania polega na tym, że dane przechodzące przez czujniki elektrooptyczne (EO) i podczerwieni (IR) bazują na syntetycznej bazie danych. Niemniej jednak, rzeczona baza danych została utworzona w Centrum Lotów Eksperymentalnych ATLAS (w Jaén). Tym sposobem dąży się do uzyskania maksymalnego realizmu uzyskanych wyników.

Obecnie system będący owocem drugiej fazy projektu zapewnia 90% dokładność przy wskaźnikach poniżej 5% wyników fałszywie dodatnich, zlokalizowanych na obszarach niekrytycznych, gdyż skupiają się one głównie na strefach dróg regionalnych i autostrad otoczonych zagajnikami. Tego typu błędy nie zagrażają operacjom statku powietrznego w sytuacjach awaryjnych, ponieważ przyczyniają się do unikania zaludnionych obszarów. Zaproponowano również środki pooperacyjne w celu dalszego zmniejszenia wskaźnika wyników fałszywie dodatnich, poprzez zarówno przestrzenną, jak i czasową konsolidację wyników klasyfikacji terenu. Te dane pomiarowe uzyskano z zestawów danych, które zostały poddane efektowi szumu i rozmycia Gaussa, aby nie tylko przeprowadzić symulację normalnego funkcjonowania, ale także zrozumieć, w jaki sposób wpływają na najczęstsze awarie, na jakie mogą być narażone kamery. Zespół może potwierdzić, że otrzymane wyniki są zadowalające, a system wykazuje wystarczającą solidność w środowisku symulacyjnym.

W 3. fazie projektu planuje się optymalizację systemu w celu poprawy parametrów czasowych i rezultatów. Tym samym planuje się przeanalizowanie i przetestowanie systemu SAFE-Term z wykorzystaniem danych uzyskanych w wyniku przeprowadzenia rzeczywistych kampanii lotniczych, tak aby uzupełnić dotychczasowy proces, jaki zdołano uzyskać poprzez analizę przeprowadzoną za pomocą danych syntetycznych i testów w środowisku symulacyjnym, o rzeczywiste informacje pozyskane z rzeczywistego świata, z użyciem rzeczywistych czujników i uwzględnieniem ich deformacji i deprecjacji jakości.

Pod koniec 3. fazy demonstrator może zostać wykorzystany jako realny przykład nadającego się do zainstalowania na pokładzie statku i certyfikowanego systemu w celu poprawy poziomu bezpieczeństwa w ramach autonomicznego działania bezzałogowych systemów powietrznych. Pozostało jeszcze sporo do zrobienia, jednak w firmie GMV jesteśmy gotowi na dalszy rozwój i dostarczanie coraz to bardziej innowacyjnych rozwiązań.

 

Autor: Javier Ferrero Micó